基于大语言模型的小样本网络入侵检测方法

针对当前网络环境新型攻击样本少,而现有的的基于深度学习的入侵检测方法需要大量样本用于模型训练。对此,文章提出一种基于大语言模型的入侵检测方法,其使用重编程方法将网络流量和自然语言对齐,以利用大语言模型在复杂的序列上具有的模式识别能力和推理能力,并使用元学习训练算法,适应少量攻击样本。实验显示,与最新的小样本入侵检测方法相比,本文方法在准确率和检出率上均有提升。